dsh-tingdong 0.5.2 → 0.7.0

package/README.md

@@ -23,7 +23,10 @@ dsh plugin --profile desktop add github:AIcivilization/dsh-tingdong   # 源码
 
 ## 它做什么
 
-首页有两个入口：**导入音频**（有声书、讲座、引导音频）和**文档转音频**（文章、手册、书）。
+首页有两个入口：**导入音频**（有声书、讲座、引导音频）和**文档转音频**（文章、手册、书）。除了做成听力课，每一步的成品都能下载到本地：
+
+- **英文音频 → 带时间的字幕 → 中文配音**：识别出每一句英文和它的起止时间，导出字幕（SRT / LRC / 录音稿）；再按同样的时间生成另一种语言（中文）的音频（MP3 / FLAC）。
+- **文档 / 文字 → 朗读音频 → 下载到本地**：PDF、Word、EPUB、TXT 或粘贴的文字，AI 朗读成 MP3，单课或整篇下载；同样能再导出带时间的字幕和中文配音。
 
 **文档转音频**：直接选文件（或拖进来）——PDF、Word（.docx）、EPUB 电子书、网页（.html）、TXT、Markdown；没有文件也可以粘贴英文。
 
@@ -54,9 +57,10 @@ dsh plugin --profile desktop add github:AIcivilization/dsh-tingdong   # 源码
 
 **导出**（每课的「导出」页签）：
 
-- **中文配音（音频）**：可以下载 **MP3** 或无损 **FLAC**（44.1 kHz / 16 位，和合成出来的原始音频同源，不是 MP3 转的）。把英文换成中文配音，只有中文、没有背景音，每句中文从对应英文开始的时刻开始说，总长和原音频一样（也可以对齐「原声·去空白」）。比空档长的句子自动读快一点（最快 1.6 倍），不会挤到下一句。两种语音可选：
+- **中文配音（音频）**：可以下载 **MP3** 或无损 **FLAC**（44.1 kHz / 16 位，和合成出来的原始音频同源，不是 MP3 转的）。把英文换成中文配音，只有中文、没有背景音，每句中文从对应英文开始的时刻开始说，总长和原音频一样（也可以对齐「原声·去空白」）。比空档长的句子自动读快一点（最快 1.6 倍），不会挤到下一句。三种语音可选：
   - **本地 Kokoro**：离线，55 个普通话女声、45 个普通话男声，每个都能先试听；第一次用时下载约 147 MB 模型
   - **微软 Edge**：晓晓、云希、云扬等 14 种（含台湾、粤语、方言），要联网。插件调用开源工具 [edge-tts](https://github.com/rany2/edge-tts)，点「安装 Edge 语音组件」会装进插件自己的 Python 虚拟环境（需要电脑上有 Python 3）。文字会发到微软的服务器；这不是微软公开的正式接口，可能失效
+  - **Mac 本机 Ming**：Ming-3.0-tts（inclusionAI，MIT）在 Apple 芯片上离线合成，13 种适合旁白的中文男女声（灵楷、灵阅川、灵朵儿、灵小雅……），不联网、不花钱；只支持 Apple 芯片、macOS 14 以上。和 [dsh-her](https://github.com/AIcivilization/dsh-her) 的「本机 Ming」是同一个：装过 dsh-her 的直接用它的；没装过就点「安装本机 Ming」，约 450 MB 程序（锁定版本和校验值）+ 1.6 GB 模型（逐个文件校验），装在 `~/.dsh/dsh-tingdong/ming/`。每句约 2 秒，生成时占约 2 GB 内存；数字会先写成汉字再念（「2个」念「两个」）
 - **文字**：双语 / 英文 / 中文字幕（SRT）、双语歌词 LRC（Walkman 等播放器滚动显示）、**录音稿**（每句的开始时间、英文时长、可用时长和中英对照，照着自己录中文配音）、表格 CSV。时间可按原音频或「原声·去空白」
 
 卡片右上角 ☆ 收藏，复习和磨耳朵里可以只练收藏的
@@ -134,7 +138,7 @@ node bin/dsh-tingdong.js voices all --track kokoro --voice am_michael   # 批量
 ## 数据
 
 都在 `~/.dsh/dsh-tingdong/lessons/<课程>/`：`lesson.json`（句子、翻译、讲解、查过的词）、`progress.json`（复习进度、学到第几句、选的声音、收藏）、`audio.mp3`（压缩成 64 kbps 单声道，原文件所在的移动硬盘拔掉也能听）、`tracks/`（各种声音和它们的时间表）。
-模型在 `~/.dsh/dsh-tingdong/models/`（Kokoro 英文、Kokoro 中文）；Edge 语音组件在 `~/.dsh/dsh-tingdong/edge-tts/`；识别模型优先复用 DSH 语音输入下好的。
+模型在 `~/.dsh/dsh-tingdong/models/`（Kokoro 英文、Kokoro 中文）；Edge 语音组件在 `~/.dsh/dsh-tingdong/edge-tts/`；本机 Ming 在 `~/.dsh/dsh-tingdong/ming/`（或复用 `~/.dsh-her/ming/`）；识别模型优先复用 DSH 语音输入下好的。
 DSH 插件和命令行版共用这份数据。
 
 ## 实测
@@ -153,7 +157,7 @@ npm test
 - `lib/translate.js` 校对 + 翻译 + 生词 + 听音提示；缺句自动缩小批次重试，失败的留空，之后可「补全翻译」
 - `lib/tracks.js` 声音轨：原声按句截取拼接；朗读交给 `lib/tts-worker.js` 子进程（Kokoro / macOS say），`lib/pcm.js` 统一拼接编码并出时间表
 - `lib/srs.js` 间隔复习；`lib/store.js` 原子写入的 JSON 存储；`lib/today.js` 今日学习（按用户时区算日期）
-- `lib/doc.js` 文档：切句、分章、整理要求；`lib/export.js` 文字导出；`lib/edge.js` Edge 语音组件（edge-tts）的安装和调用
+- `lib/doc.js` 文档：切句、分章、整理要求；`lib/export.js` 文字导出；`lib/edge.js` Edge 语音组件（edge-tts）的安装和调用；`lib/ming.js` 本机 Ming 的查找、安装、声音表，`python/ming_worker.py` 合成进程，`lib/spoken.js` 数字念法
 - `lib/drill.js` 磨耳朵音频；`lib/lookup.js` 点词查意思、重新讲解；`lib/vps.js` 经 SSH 发送到 VPS
 - `plugin/` DSH 宿主端（路由、AI 工具）和界面入口（右侧栏、设置）；路由先过 DSH 的 `connection.requestRejection()` 登录校验
 - `web/` 学习面板（原生 JS 模块，无构建）：`panel.js` 路由和首页 · `study.js` 精听、复习、今日学习 · `listen.js` 连续听、磨耳朵、词汇 · `edit.js` 改句子、查词 · `core.js` 播放器和公共状态

package/lib/ming.js

@@ -0,0 +1,212 @@
+// lib/ming.js — Mac 本机 Ming 语音（中文配音用）
+//
+// Ming-3.0-tts-0.5B（inclusionAI，MIT）的 MLX 8 位版，经 mlx-audio 在 Apple 芯片上离线合成，有几十个中文男女声。
+// 做法和 dsh-her 的「本机 Ming」一样（同一份锁定依赖、同一个模型版本、同样逐个文件校验）：
+//   - 已经装过 dsh-her 的本机 Ming（~/.dsh-her/ming）就直接用它，不再下载；
+//   - 没有就装到 ~/.dsh/dsh-tingdong/ming：uv（固定版本、校验过）建 Python 3.12 环境，按锁定文件装 mlx-audio，
+//     再下载约 1.6 GB 模型，每个文件核对大小和 SHA-256；下载中断下次接着下。删掉这个文件夹就是卸载。
+// 只支持 Apple 芯片、macOS 14 以上。合成时一个常驻的 Python 进程（python/ming_worker.py）占约 2 GB 内存，做完就退出。
+
+import { execFile } from 'node:child_process'
+import { createHash } from 'node:crypto'
+import { createWriteStream, existsSync } from 'node:fs'
+import { mkdir, readFile, rename, rm, stat, writeFile } from 'node:fs/promises'
+import { homedir, release } from 'node:os'
+import { join } from 'node:path'
+import { Readable, Transform } from 'node:stream'
+import { pipeline } from 'node:stream/promises'
+import { fileURLToPath } from 'node:url'
+import { dataRoot } from './paths.js'
+
+export const MING_WORKER = fileURLToPath(new URL('../python/ming_worker.py', import.meta.url))
+const REQUIREMENTS = fileURLToPath(new URL('../python/ming-requirements.txt', import.meta.url))
+
+/** 适合做旁白、对译的内置声音（官方声音表里的一部分）；带「_中性」的是有几种情绪版本的声音 */
+export const MING_VOICES = [
+  { id: '灵小雅', label: '灵小雅（女 · 甜美，新闻、有声书）', gender: 'f' },
+  { id: '灵朵儿', label: '灵朵儿（女 · 温暖知性，纪录片）', gender: 'f' },
+  { id: '灵小萌', label: '灵小萌（女 · 清亮，有声书、电台）', gender: 'f' },
+  { id: '灵小梨', label: '灵小梨（女 · 轻柔，有声书）', gender: 'f' },
+  { id: '灵小柔', label: '灵小柔（女 · 温柔礼貌）', gender: 'f' },
+  { id: '灵心恬_中性', label: '灵心恬（女 · 冷静客观，新闻）', gender: 'f' },
+  { id: '灵风信_中性', label: '灵风信（女 · 体贴温暖）', gender: 'f' },
+  { id: '灵楷', label: '灵楷（男 · 舒缓温暖，纪录片）', gender: 'm' },
+  { id: '灵阅川_中性', label: '灵阅川（男 · 浑厚，纪录片、历史）', gender: 'm' },
+  { id: '灵小锋', label: '灵小锋（男 · 温和稳重，讲解）', gender: 'm' },
+  { id: '灵旭', label: '灵旭（男 · 清亮温柔，有声书）', gender: 'm' },
+  { id: '灵江', label: '灵江（男 · 温暖，旁白）', gender: 'm' },
+  { id: '灵语尘_中性', label: '灵语尘（男 · 低沉，独白）', gender: 'm' },
+]
+export const mingVoice = id => MING_VOICES.find(v => v.id === id) || MING_VOICES[0]
+
+/** 模型：固定到一次提交；同样的文件也在 dsh-her 的 GitHub Release 上，先从那里下（Hugging Face 在有些地方很慢） */
+const MODEL = {
+  repo: 'mlx-community/Ming-3.0-tts-0.5B-8bit',
+  revision: 'd0d1da6f627e4b3f20cc2db6ba4aee86d45343ad',
+  sources: [
+    'https://github.com/AIcivilization/dsh-her/releases/download/ming-model-1/',
+    'https://huggingface.co/mlx-community/Ming-3.0-tts-0.5B-8bit/resolve/d0d1da6f627e4b3f20cc2db6ba4aee86d45343ad/',
+  ],
+  files: [
+    { name: 'LICENSE', size: 1067, sha256: '2872f1918dfc04fdeb7f5d66d8d1b773594c9375e7c8f7bda39780bb97ad4fba' },
+    { name: 'README.md', size: 4360, sha256: '0af63591f3ab08d8e057330477928692ce8a4234618aacd4f2a0095c5d50bda9' },
+    { name: 'added_tokens.json', size: 1785, sha256: '34394b1e16d7da2db16618bd43a0f970902ade0075480bcd812fe62d559ec319' },
+    { name: 'campplus.safetensors', size: 27699096, sha256: 'a479586bd8f8f96cdb414eaa2fa07c6cd54d6d1636562e2d75a0211cb3b0a6fd' },
+    { name: 'config.json', size: 6087, sha256: '8ea3e685a870fd1a535d3b4a4c975fc20c4fca56e67acdef06fe40004064c73b' },
+    { name: 'merges.txt', size: 1671853, sha256: '8831e4f1a044471340f7c0a83d7bd71306a5b867e95fd870f74d0c5308a904d5' },
+    { name: 'model.safetensors', size: 1573366591, sha256: 'e88a4b53cb5b705703e961389f3d7f0e8b72c240b4dad796bf9961cc018971fc' },
+    { name: 'model.safetensors.index.json', size: 201850, sha256: 'f59991abebed1a4f798a9488568af496d925e6eea507450aa8051a06f475a2ce' },
+    { name: 'special_tokens_map.json', size: 2726, sha256: '2c2ec51b9da5db654ac20de8310350d0c9c1a65918ae0181b80dacd2919b4fc3' },
+    { name: 'tokenizer.json', size: 11431389, sha256: '87d54ca3b44ea2f822ba39a0a45cb1b61644bd6606d9d3536dea75367bffb06d' },
+    { name: 'tokenizer_config.json', size: 16260, sha256: '12d6162c815edef24f8606e65b60d43fe0d92b0a4e150a0db8fa01c523aaf36a' },
+    { name: 'vocab.json', size: 2776833, sha256: 'ca10d7e9fb3ed18575dd1e277a2579c16d108e32f27439684afa0e10b1440910' },
+  ],
+}
+const MODEL_BYTES = MODEL.files.reduce((n, f) => n + f.size, 0)
+
+/** uv：固定版本和校验值（只需要 Apple 芯片这一个） */
+const UV = { version: '0.11.26', file: 'uv-aarch64-apple-darwin.tar.gz', sha256: '8f7fbf1708399b921857bce71e1d60f0d3ccf52a30caebc1c1a2f175dce13ab6' }
+
+/** 为什么这台电脑用不了；能用就是 undefined */
+export function mingUnsupported(platform = process.platform, arch = process.arch, darwin = release()) {
+  if (platform !== 'darwin' || arch !== 'arm64') return '本机 Ming 只支持 Apple 芯片的 Mac'
+  if (Number.parseInt(darwin, 10) < 23) return '本机 Ming 要 macOS 14 或更新'
+  return undefined
+}
+
+const ownRoot = () => join(dataRoot(), 'ming')
+const pythonOf = root => join(root, 'env', 'bin', 'python3')
+const installedAt = root => existsSync(pythonOf(root)) && existsSync(join(root, 'model', '.verified'))
+
+/** 装好的 Ming 在哪：自己装的优先，其次 dsh-her 装的 */
+export function findMing() {
+  // DSH_TINGDONG_NO_SHARED_MING=1：不用 dsh-her 的（测试自己安装时用）
+  const her = process.env.DSH_TINGDONG_NO_SHARED_MING === '1' ? [] : [join(homedir(), '.dsh-her', 'ming'), join(homedir(), '.dsh-her-dev', 'ming')]
+  for (const root of [ownRoot(), ...her]) {
+    if (installedAt(root)) return { root, python: pythonOf(root), model: join(root, 'model'), shared: root !== ownRoot() }
+  }
+  return null
+}
+
+let installing = null // {step, done?, total?}
+let lastError = ''
+
+/** 给界面看的状态 */
+export function mingStatus() {
+  const why = mingUnsupported()
+  if (why) return { supported: false, reason: why, ready: false, voices: MING_VOICES }
+  const found = installing ? null : findMing()
+  return {
+    supported: true,
+    ready: Boolean(found),
+    shared: Boolean(found && found.shared), // 用的是 dsh-her 装好的
+    own: Boolean(found && !found.shared),
+    installing: installing ? { ...installing } : null,
+    error: installing || found ? '' : lastError,
+    voices: MING_VOICES,
+  }
+}
+
+function run(cmd, args, timeout, env) {
+  return new Promise((resolve, reject) => {
+    execFile(cmd, args, { timeout, maxBuffer: 8 << 20, env: { ...process.env, ...env } }, (err, stdout, stderr) => {
+      if (err) return reject(new Error(String(stderr || err.message).trim().split('\n').slice(-2).join(' ')))
+      resolve(String(stdout))
+    })
+  })
+}
+
+/** 下载一个文件到 target，大小和 SHA-256 都对才换上 */
+async function download(url, target, want, onProgress) {
+  const res = await fetch(url, { redirect: 'follow', signal: AbortSignal.timeout(3600000) })
+  if (!res.ok || !res.body) throw new Error(`HTTP ${res.status}`)
+  const hash = createHash('sha256')
+  let got = 0
+  const meter = new Transform({ transform(c, _e, cb) { hash.update(c); got += c.length; onProgress(got); cb(null, c) } })
+  const part = `${target}.part`
+  await pipeline(Readable.fromWeb(res.body), meter, createWriteStream(part))
+  if (got !== want.size || hash.digest('hex') !== want.sha256) {
+    await rm(part, { force: true })
+    throw new Error('下载的文件校验不对')
+  }
+  await rename(part, target)
+}
+
+async function installUv(uvHome) {
+  const dir = join(uvHome, UV.version)
+  const found = [join(dir, 'uv'), join(dir, 'uv-aarch64-apple-darwin', 'uv')].find(p => existsSync(p))
+  if (found) return found
+  const res = await fetch(`https://github.com/astral-sh/uv/releases/download/${UV.version}/${UV.file}`, { redirect: 'follow', signal: AbortSignal.timeout(300000) })
+  if (!res.ok) throw new Error(`下载 uv 失败（${res.status}）`)
+  const bytes = Buffer.from(await res.arrayBuffer())
+  if (createHash('sha256').update(bytes).digest('hex') !== UV.sha256) throw new Error('下载的 uv 校验不对，没有使用')
+  await mkdir(dir, { recursive: true })
+  const archive = join(dir, UV.file)
+  await writeFile(archive, bytes)
+  await run('tar', ['-xzf', archive, '-C', dir], 120000)
+  await rm(archive, { force: true })
+  const uv = [join(dir, 'uv'), join(dir, 'uv-aarch64-apple-darwin', 'uv')].find(p => existsSync(p))
+  if (!uv) throw new Error('uv 解压后找不到')
+  return uv
+}
+
+async function downloadModel(dir, onProgress) {
+  await mkdir(dir, { recursive: true })
+  if (existsSync(join(dir, '.verified'))) return
+  const checkedFile = join(dir, '.checked.json')
+  let checked = new Set()
+  try { checked = new Set(JSON.parse(await readFile(checkedFile, 'utf8'))) } catch { /* 第一次 */ }
+  let done = 0
+  for (const f of MODEL.files) {
+    const target = join(dir, f.name)
+    if (checked.has(f.sha256) && existsSync(target) && (await stat(target)).size === f.size) {
+      done += f.size
+      onProgress(done, MODEL_BYTES)
+      continue
+    }
+    const before = done
+    let last = null
+    for (const src of MODEL.sources) {
+      try {
+        await download(src + f.name, target, f, got => onProgress(before + got, MODEL_BYTES))
+        last = null
+        break
+      } catch (e) { last = e }
+    }
+    if (last) throw new Error(`下载 ${f.name} 失败：${last.message}`)
+    done = before + f.size
+    checked.add(f.sha256)
+    await writeFile(checkedFile, JSON.stringify([...checked]))
+  }
+  await writeFile(join(dir, '.verified'), `${MODEL.repo}@${MODEL.revision}\n`)
+  await rm(checkedFile, { force: true })
+}
+
+/** 后台安装（已经在装就什么也不做）。进度看 mingStatus().installing */
+export function startMingInstall() {
+  const why = mingUnsupported()
+  if (why) throw Object.assign(new Error(why), { status: 400 })
+  if (installing || findMing()) return
+  installing = { step: '准备 Python（第一次约 1 分钟）' }
+  lastError = ''
+  doInstall().catch(e => { lastError = `安装本机 Ming 失败：${e.message}` }).finally(() => { installing = null })
+}
+
+async function doInstall() {
+  const root = ownRoot()
+  const uvHome = join(dataRoot(), 'uv')
+  const env = { UV_PYTHON_INSTALL_DIR: join(uvHome, 'python'), UV_CACHE_DIR: join(uvHome, 'cache'), UV_NO_CONFIG: '1' }
+  const uv = await installUv(uvHome)
+  if (!existsSync(pythonOf(root))) await run(uv, ['venv', '--quiet', '--python', '3.12', join(root, 'env')], 600000, env)
+  installing = { step: '安装语音程序（约 450 MB）' }
+  await run(uv, ['pip', 'install', '--quiet', '--require-hashes', '--python', pythonOf(root), '-r', REQUIREMENTS], 1200000, env)
+  await rm(env.UV_CACHE_DIR, { recursive: true, force: true }) // 装好了，下载缓存不要了
+  await downloadModel(join(root, 'model'), (done, total) => { installing = { step: '下载声音模型（约 1.6 GB）', done, total } })
+}
+
+/** 卸载自己装的（dsh-her 的不动） */
+export async function uninstallMing() {
+  if (installing) throw Object.assign(new Error('正在安装，等装完再卸载'), { status: 409 })
+  await rm(ownRoot(), { recursive: true, force: true })
+  await rm(join(dataRoot(), 'uv'), { recursive: true, force: true })
+}

package/lib/server.js

@@ -31,6 +31,7 @@
 //   GET  <prefix>/update[?force=1] · POST /update · POST /uninstall   插件自己的版本、更新、卸载（只在 DSH 里）
 //   GET  <prefix>/export?id=&format=&align=     导出文字：字幕 SRT、歌词 LRC、录音稿、表格
 //   POST <prefix>/voice-sample {engine, voice}   试听一个中文音色 · POST /edge/install 装 / 更新 Edge 语音组件
+//   POST <prefix>/ming/install | /ming/uninstall 装（后台，进度看 /voices 的 ming）/ 卸载 Mac 本机 Ming
 //
 // 会改东西的请求都要带 x-tingdong 头：别的网站发跨站请求带不了自定义头（要预检），挡住 CSRF。
 
@@ -47,6 +48,7 @@ import { explainSentences, lookupWord } from './lookup.js'
 import { today } from './today.js'
 import { exportText, FORMATS } from './export.js'
 import { EDGE_EN_VOICES, EDGE_ZH_VOICES, edgeStatus, installEdge } from './edge.js'
+import { mingStatus, startMingInstall, uninstallMing } from './ming.js'
 import { MAX_CHARS, PREP_PROMPT } from './doc.js'
 import { DOC_EXT } from './extract.js'
 import { wholeDocAudio } from './docaudio.js'
@@ -176,6 +178,7 @@ export function createHandler(o) {
             kokoro: { ready: await kokoroReady(), voices: KOKORO_VOICES },
             zh: { ready: await kokoroZhReady(), voices: ZH_VOICES.map(({ id, label, gender }) => ({ id, label, gender })) },
             edge: { ...(await edgeStatus()), voices: EDGE_ZH_VOICES, en: EDGE_EN_VOICES },
+            ming: mingStatus(),
           })
         }
         if (path === '/export') {
@@ -329,7 +332,7 @@ export function createHandler(o) {
           voice: typeof body.voice === 'string' && body.voice.length < 80 ? body.voice : undefined,
           speed: Number.isFinite(speed) && speed >= 0.5 && speed <= 1.5 ? speed : undefined,
           align: body.align === 'clean' ? 'clean' : 'full',
-          engine: body.engine === 'edge' ? 'edge' : 'kokoro',
+          engine: ['edge', 'ming'].includes(body.engine) ? body.engine : 'kokoro',
         })
         return send(res, 200, { ok: true })
       }
@@ -360,12 +363,14 @@ export function createHandler(o) {
       }
       if (path === '/voice-sample') {
         // 试听中文音色（第一次会先下载中文语音模型）
-        const file = await zhSample(String(body.voice || ''), { ffmpeg: opts().ffmpeg, engine: body.engine === 'edge' ? 'edge' : 'kokoro' })
+        const file = await zhSample(String(body.voice || ''), { ffmpeg: opts().ffmpeg, engine: ['edge', 'ming'].includes(body.engine) ? body.engine : 'kokoro' })
         return serveAudio(req, res, file)
       }
       if (path === '/update' && o.manage) return send(res, 200, await o.manage.update())
       if (path === '/uninstall' && o.manage) return send(res, 200, await o.manage.uninstall())
       if (path === '/edge/install') return send(res, 200, { ok: true, ...(await installEdge()) })
+      if (path === '/ming/install') { startMingInstall(); return send(res, 200, { ok: true, ming: mingStatus() }) }
+      if (path === '/ming/uninstall') { await uninstallMing(); return send(res, 200, { ok: true, ming: mingStatus() }) }
       if (path === '/vps/detect') return send(res, 200, { ok: true, ...(await detect(String(body.host || ''))) })
       if (path === '/vps/config') {
         const cfg = await saveVpsConfig(body)

package/lib/spoken.js

@@ -0,0 +1,75 @@
+// lib/spoken.js — 数字和几个符号先写成汉字，给本机 Ming 念（它的 MLX 版没有文字规范化，「2个」会念成「二个」）
+// 和 dsh-her 的 core/spoken-numbers.ts 一样：个数、时间、日期、年份、百分比、小数、长串号码、范围、度数。
+
+const DIGITS = '零一二三四五六七八九'
+const SMALL_UNITS = ['', '十', '百', '千']
+const BIG_UNITS = ['', '万', '亿']
+
+/** 量词前面的 2 念「两」（两个、两点、两次……） */
+const MEASURE = /^(?:个|位|点|次|天|只|本|件|张|条|岁|种|遍|杯|分钟|小时|周|斤|块|台|辆|家|句|下|口|双|对|份|层|片|场|首|部|回|趟|步|顿|碗|瓶|盒|袋|根|颗|粒|间|座|所|名|人|样|批|年|星期|礼拜|倍)/
+/** 前面是这些词的数字一位一位念 */
+const DIGIT_CONTEXT = /(?:验证码|号码|电话|手机|编号|尾号|房间|门牌|邮编|工号|学号|密码|单号)[是为:：\s]*$/
+
+/** "2026" → 二零二六 */
+export const readDigits = digits => [...digits].map(d => DIGITS[Number(d)]).join('')
+
+/** "1205" → 一千二百零五；"12" → 十二；"20000" → 两万。超过 12 位一位一位念 */
+export function readInteger(number) {
+  const digits = number.replace(/^0+(?=\d)/, '')
+  if (digits.length > 12) return readDigits(digits)
+  if (/^0+$/.test(digits)) return '零'
+  const groups = []
+  for (let end = digits.length; end > 0; end -= 4) groups.unshift(Number(digits.slice(Math.max(0, end - 4), end)))
+  let out = ''
+  let zero = false
+  groups.forEach((group, i) => {
+    const big = BIG_UNITS[groups.length - 1 - i]
+    if (group === 0) { zero = out !== ''; return }
+    if (out !== '' && (zero || group < 1000)) out += '零'
+    zero = false
+    out += readGroup(group) + big
+  })
+  return out.replace(/^一十/, '十').replace(/^二(?=[百千万亿])/, '两')
+}
+
+function readGroup(group) {
+  let out = ''
+  let zero = false
+  for (let pos = 3; pos >= 0; pos--) {
+    const d = Math.floor(group / 10 ** pos) % 10
+    if (d === 0) { zero = out !== ''; continue }
+    if (zero) out += '零'
+    zero = false
+    out += DIGITS[d] + SMALL_UNITS[pos]
+  }
+  return out
+}
+
+const readNumber = n => {
+  const [i, f] = n.split('.')
+  return f === undefined ? readInteger(i) : `${readInteger(i)}点${readDigits(f)}`
+}
+const hour = h => (Number(h) === 2 ? '两' : readInteger(h))
+
+export function spokenNumbers(text) {
+  return String(text)
+    // 30% → 百分之三十
+    .replace(/(\d+(?:\.\d+)?)\s*[%％]/g, (_w, n) => `百分之${readNumber(n)}`)
+    // 15:30 → 十五点三十分；9:05 → 九点零五分；8:00 → 八点
+    .replace(/(\d{1,2})[:：](\d{2})(?!\d)/g, (_w, h, m) => `${hour(h)}点${m === '00' ? '' : `${m.startsWith('0') ? '零' : ''}${readInteger(m)}分`}`)
+    // 2026-10-31 → 二零二六年十月三十一日
+    .replace(/(?<!\d)(\d{4})[-/](\d{1,2})[-/](\d{1,2})(?!\d)/g, (_w, y, m, d) => `${readDigits(y)}年${readInteger(m)}月${readInteger(d)}日`)
+    // 2026年 → 二零二六年
+    .replace(/(\d{4})(?=\s*年)/g, (_w, y) => readDigits(y))
+    // 20~25度、3-5个 → 到
+    .replace(/(?<![\d-])(\d{1,3})\s*[~～—–-]\s*(\d{1,3})(?![\d-])/g, '$1到$2')
+    .replace(/\s*(?:℃|°C|°)/g, '度')
+    .replace(/(\d+)\.(\d+)/g, (_w, i, f) => `${readInteger(i)}点${readDigits(f)}`)
+    .replace(/\d+/g, (n, offset, whole) => {
+      const before = whole.slice(0, offset)
+      const after = whole.slice(offset + n.length)
+      if (n.length >= 7 || (n.length > 1 && n.startsWith('0')) || DIGIT_CONTEXT.test(before)) return readDigits(n)
+      if (n === '2' && MEASURE.test(after)) return '两'
+      return readInteger(n)
+    })
+}

package/lib/tracks.js

@@ -18,6 +18,27 @@ import { createEncoder, RATE } from './pcm.js'
 import { dataRoot, findFfmpeg, FFMPEG_HINT, lessonDir } from './paths.js'
 import { ensureKokoro, ensureKokoroZh, sayVoices, zhVoice } from './voices.js'
 import { edgeBin, edgeEnVoice, edgeVoice } from './edge.js'
+import { findMing, mingStatus, mingVoice } from './ming.js'
+
+/** 中文配音用哪种语音：'kokoro'（离线，默认）、'edge'（微软在线）、'ming'（Mac 本机 Ming） */
+const zhEngineOf = e => (e === 'edge' || e === 'ming' ? e : 'kokoro')
+const ZH_ENGINE_LABEL = { kokoro: '', edge: 'Edge ', ming: 'Ming ' }
+
+/** 这种中文语音的声音和要传给朗读子进程的参数；没装好就报错 */
+function zhSetup(engine, voiceId) {
+  if (engine === 'edge') {
+    if (!edgeBin()) throw Object.assign(new Error('还没装 Edge 语音组件：在「导出 → 中文配音」里点「安装 Edge 语音组件」'), { status: 400 })
+    return { voice: edgeVoice(voiceId), extra: {} }
+  }
+  if (engine === 'ming') {
+    const st = mingStatus()
+    if (!st.supported) throw Object.assign(new Error(st.reason), { status: 400 })
+    const ming = findMing()
+    if (!ming) throw Object.assign(new Error('还没装本机 Ming：在「导出 → 中文配音」里点「安装本机 Ming」'), { status: 400 })
+    return { voice: mingVoice(voiceId), extra: { ming: { python: ming.python, model: ming.model } } }
+  }
+  return { voice: zhVoice(voiceId), extra: {} }
+}
 
 const WORKER = fileURLToPath(new URL('./tts-worker.js', import.meta.url))
 
@@ -183,9 +204,8 @@ function runWorker(args, o, stage) {
 async function buildZh(lesson, o) {
   const ffmpeg = findFfmpeg(o.ffmpeg)
   if (!ffmpeg) throw new Error(FFMPEG_HINT)
-  const engine = o.engine === 'edge' ? 'edge' : 'kokoro'
-  const voice = engine === 'edge' ? edgeVoice(o.voice) : zhVoice(o.voice)
-  if (engine === 'edge' && !edgeBin()) throw Object.assign(new Error('还没装 Edge 语音组件：在「导出 → 中文配音」里点「安装 Edge 语音组件」'), { status: 400 })
+  const engine = zhEngineOf(o.engine)
+  const { voice, extra } = zhSetup(engine, o.voice)
   const align = o.align === 'clean' ? 'clean' : 'full'
   const talk = lesson.sentences.filter(s => !s.skip).sort((a, b) => a.start - b.start)
   let at
@@ -209,13 +229,13 @@ async function buildZh(lesson, o) {
     : undefined
   const out = join(tracksDir(lesson.id), 'zh.part.mp3')
   const flac = join(tracksDir(lesson.id), 'zh.part.flac')
-  const args = { flac, engine: `${engine}-zh`, sid: voice.sid, voice: voice.id, speed: o.speed || 1, sentences, total, kokoroDir, ffmpeg, out, threads: o.threads || 2, bitrate: '48k' }
+  const args = { flac, engine: `${engine}-zh`, sid: voice.sid, voice: voice.id, speed: o.speed || 1, sentences, total, kokoroDir, ffmpeg, out, threads: o.threads || 2, bitrate: '48k', ...extra }
   o.onStage && o.onStage(`中文对译（${voice.label}）`, 0, sentences.length, '句')
   let res
   try { res = await runWorker(args, o, `中文对译（${voice.label}）`) } catch (e) { await rm(flac, { force: true }); throw e }
   await rename(out, trackAudio(lesson.id, 'zh'))
   await rename(flac, trackFlac(lesson.id, 'zh'))
-  return { flac: true, items: res.items, duration: res.duration, engine, voice: voice.id, voiceLabel: `${engine === 'edge' ? 'Edge ' : ''}${voice.label}`, speed: args.speed, align, squeezed: res.squeezed || 0 }
+  return { flac: true, items: res.items, duration: res.duration, engine, voice: voice.id, voiceLabel: `${ZH_ENGINE_LABEL[engine]}${voice.label}`, speed: args.speed, align, squeezed: res.squeezed || 0 }
 }
 
 /**
@@ -258,18 +278,17 @@ export async function buildDocAudio(lesson, o = {}) {
 /** 试听一个中文音色：同一句话，生成一次缓存起来 */
 const ZH_SAMPLE = '现在进入你的准备流程。首先，用你的能量转换盒，接着做共振调音。'
 export async function zhSample(voiceId, o = {}) {
-  const engine = o.engine === 'edge' ? 'edge' : 'kokoro'
-  const voice = engine === 'edge' ? edgeVoice(voiceId) : zhVoice(voiceId)
+  const engine = zhEngineOf(o.engine)
   const ffmpeg = findFfmpeg(o.ffmpeg)
   if (!ffmpeg) throw new Error(FFMPEG_HINT)
-  if (engine === 'edge' && !edgeBin()) throw Object.assign(new Error('还没装 Edge 语音组件'), { status: 400 })
+  const { voice, extra } = zhSetup(engine, voiceId)
   const dir = join(dataRoot(), 'samples')
   const file = join(dir, `zh-${engine}-${voice.id}.mp3`)
   if (existsSync(file)) return file
   await mkdir(dir, { recursive: true })
   const kokoroDir = engine === 'kokoro' ? await ensureKokoroZh({ signal: o.signal }) : undefined
   const out = join(dir, `zh-${engine}-${voice.id}.part.mp3`)
-  await runWorker({ engine: `${engine}-zh`, sid: voice.sid, voice: voice.id, speed: 1, sentences: [{ i: 0, text: ZH_SAMPLE, start: 0 }], total: 0, kokoroDir, ffmpeg, out, threads: 2, bitrate: '64k' }, o, '试听')
+  await runWorker({ engine: `${engine}-zh`, sid: voice.sid, voice: voice.id, speed: 1, sentences: [{ i: 0, text: ZH_SAMPLE, start: 0 }], total: 0, kokoroDir, ffmpeg, out, threads: 2, bitrate: '64k', ...extra }, o, '试听')
   await rename(out, file)
   return file
 }

package/lib/tts-worker.js

@@ -1,7 +1,8 @@
 // lib/tts-worker.js — 朗读子进程：把每句英文读出来，拼成一条声音轨
 //
 // Kokoro（sherpa-onnx）是同步推理，和识别一样放在单独进程里；macOS 的 say 也在这里一句一句调。
-// 输入：argv[2] 的 JSON { engine:'kokoro'|'say'|'kokoro-zh', voice, sid, speed, sentences:[{i,text,start?,slot?}], kokoroDir, ffmpeg, out, gap, total? }
+// Mac 本机 Ming 是 Python（mlx-audio），由这里再起一个 Python 进程。
+// 输入：argv[2] 的 JSON { engine:'kokoro'|'say'|'kokoro-zh'|'edge-zh'|'ming-zh'|'edge-en', voice, sid, speed, sentences:[{i,text,start?,slot?}], kokoroDir, ming?, ffmpeg, out, gap, total? }
 // 有 total 时按时间表放：每句放在它的 start，其余是静音，总长 total（中文对译用）；没有就一句接一句、句间停 gap 秒。
 // 输出：stdout 每行一个 JSON：{type:'progress',done,total} / {type:'done',items,duration} / {type:'error',message}
 
@@ -11,8 +12,11 @@ import { createRequire } from 'node:module'
 import { tmpdir } from 'node:os'
 import { join } from 'node:path'
 import { createEncoder, parseWav, RATE, trimSilence } from './pcm.js'
+import { createInterface } from 'node:readline'
 import { KOKORO_IDS } from './voices.js'
 import { edgeSpeak } from './edge.js'
+import { MING_WORKER } from './ming.js'
+import { spokenNumbers } from './spoken.js'
 
 const emit = obj => process.stdout.write(JSON.stringify(obj) + '\n')
 
@@ -104,6 +108,85 @@ function edgeEngine(opt) {
   }
 }
 
+/** 喂给 ffmpeg 一段声音，拿回 24 kHz 单声道 float；filter 可以是 atempo 之类 */
+function ffPipe(ffmpeg, input, inArgs, filter) {
+  return new Promise((resolve, reject) => {
+    const args = ['-hide_banner', ...inArgs, '-i', 'pipe:0', ...(filter ? ['-af', filter] : []), '-ac', '1', '-ar', String(RATE), '-f', 'f32le', 'pipe:1']
+    const ff = spawn(ffmpeg, args, { stdio: ['pipe', 'pipe', 'pipe'] })
+    const chunks = []
+    let err = ''
+    ff.stdout.on('data', c => chunks.push(c))
+    ff.stderr.on('data', d => { err = (err + d).slice(-1000) })
+    ff.stdin.on('error', () => {}) // ffmpeg 先退出时别把整个进程带崩，错误从 close 里报
+    ff.on('error', reject)
+    ff.on('close', code => {
+      if (code !== 0) return reject(new Error(`ffmpeg 处理声音失败（${code}）：${err.trim().split('\n').pop()}`))
+      const b = Buffer.concat(chunks)
+      const f = new Float32Array(Math.floor(b.length / 4))
+      new Uint8Array(f.buffer).set(b.subarray(0, f.length * 4))
+      resolve(f)
+    })
+    ff.stdin.end(input)
+  })
+}
+
+/**
+ * Mac 本机 Ming（mlx-audio）：一个 Python 进程加载一次模型，一句一句合成（44.1 kHz），转成 24 kHz。
+ * Ming 只有「慢速 / 快速」两档，配音要的是刚好塞进空档：变速一律用 ffmpeg 的 atempo（不变调），
+ * 同一句先合成一次，要读快就在这份声音上加速，不重新合成。
+ */
+function mingEngine(opt) {
+  const py = spawn(opt.ming.python, ['-I', MING_WORKER], {
+    stdio: ['pipe', 'pipe', 'pipe'],
+    env: { ...process.env, HF_HUB_OFFLINE: '1', TRANSFORMERS_OFFLINE: '1', TOKENIZERS_PARALLELISM: 'false', PYTHONUNBUFFERED: '1' },
+  })
+  const waiting = new Map()
+  let nextId = 1
+  let tail = ''
+  let dead = null
+  py.stdin.on('error', () => {})
+  py.stderr.on('data', d => { tail = (tail + d).slice(-1500) })
+  createInterface({ input: py.stdout }).on('line', line => {
+    let r
+    try { r = JSON.parse(line) } catch { return }
+    const w = waiting.get(r.id)
+    if (!w) return
+    waiting.delete(r.id)
+    if (r.ok) w.resolve(r)
+    else w.reject(new Error(`本机 Ming 合成失败：${r.error}`))
+  })
+  const fail = why => {
+    dead = new Error(`本机 Ming 退出了（${why}）：${tail.trim().split('\n').slice(-2).join(' ')}`)
+    for (const w of waiting.values()) w.reject(dead)
+    waiting.clear()
+  }
+  py.on('error', e => fail(e.message))
+  py.on('exit', code => fail(`退出码 ${code}`))
+  const send = msg => {
+    if (dead) return Promise.reject(dead)
+    const id = nextId++
+    return new Promise((resolve, reject) => {
+      waiting.set(id, { resolve, reject })
+      py.stdin.write(JSON.stringify({ ...msg, id }) + '\n')
+    })
+  }
+  const loaded = send({ op: 'load', model: opt.ming.model })
+  loaded.catch(() => {})
+  let last = { text: null, pcm: null } // 只留上一句：读快一点要用同一份声音
+  return async (text, speed) => {
+    await loaded
+    if (last.text !== text) {
+      const r = await send({ op: 'speak', text: spokenNumbers(text), voice: opt.voice, steps: 10 })
+      const pcm = trimSilence(await ffPipe(opt.ffmpeg, Buffer.from(r.pcm16, 'base64'), ['-f', 's16le', '-ar', String(r.sampleRate), '-ac', '1']))
+      last = { text, pcm }
+    }
+    const t = Math.min(2, Math.max(0.5, speed || 1))
+    if (Math.abs(t - 1) < 0.01) return last.pcm
+    const raw = Buffer.from(last.pcm.buffer, last.pcm.byteOffset, last.pcm.byteLength)
+    return ffPipe(opt.ffmpeg, raw, ['-f', 'f32le', '-ar', String(RATE), '-ac', '1'], `atempo=${t.toFixed(3)}`)
+  }
+}
+
 function sayEngine(opt) {
   const wpm = String(Math.round(175 * (opt.speed || 0.9)))
   let n = 0
@@ -179,6 +262,7 @@ async function main() {
   const opt = JSON.parse(process.argv[2] || '{}')
   if (opt.engine === 'kokoro-zh') return timeline(opt, kokoroZhEngine(opt))
   if (opt.engine === 'edge-zh') return timeline(opt, edgeEngine(opt))
+  if (opt.engine === 'ming-zh') return timeline(opt, mingEngine(opt))
   if (opt.engine === 'edge-en') return reading(opt, edgeEngine(opt))
   if (opt.mode === 'reading') return reading(opt, kokoroEngine(opt))
   const speak = opt.engine === 'kokoro' ? kokoroEngine(opt) : sayEngine(opt)

package/package.json

@@ -1,7 +1,7 @@
 {
   "name": "dsh-tingdong",
-  "version": "0.5.2",
-  "description": "听懂：把英文有声读物（MP3）或英文文档变成听力课。本地识别 / AI 朗读每一句英文、AI 翻译讲解，再用盲听、精听、间隔复习把它练到「一听就懂」。DeepSeek Harness (dsh) 插件。",
+  "version": "0.7.0",
+  "description": "听懂：把英文有声读物（MP3）或英文文档变成听力课，练到「一听就懂」。英文音频 → 带时间的字幕 → 时间对齐的中文配音；文档 / 文字 → AI 朗读音频 → 下载到本地。DeepSeek Harness (dsh) 插件。",
   "keywords": [
     "dsh-plugin",
     "dsh-plugins",
@@ -43,6 +43,7 @@
     "bin",
     "lib",
     "plugin",
+    "python",
     "web",
     "README.md",
     "LICENSE"